[发明专利]银行产品信息推送方法及装置

权利要求书

1.一种银行产品信息推送方法，其特征在于，包括：

获得银行客户的表情图片；

将银行客户的表情图片输入至表情识别模型，识别出客户表情；

根据识别出的客户表情，获得客户体验评价值；

根据客户体验评价值，确定向客户推送银行推荐产品信息的时刻，所述银行推荐产品信息是将客户的属性信息和在银行的资产信息输入至机器学习模型而获得的。

2.如权利要求1所述的银行产品信息推送方法，其特征在于，获得银行客户的表情图片，包括：

实时采集银行客户的视频流信息，从视频流中采集设定时间段内的银行客户的表情图片。

3.如权利要求2所述的银行产品信息推送方法，其特征在于，将银行客户的表情图片输入至表情识别模型，识别出客户表情，包括：

分别将多个设定时间段内的银行客户的表情图片输入至表情识别模型，识别出多个设定时间段内的不同类别的客户表情；

统计多个设定时间段内不同类别的客户表情出现的数量。

4.如权利要求3所述的银行产品信息推送方法，其特征在于，根据识别出的客户表情，获得客户体验评价值，包括：

对每一设定时间段，根据该设定时间段内的不同类别的客户表情，以及不同类别的客户表情出现的数量，确定该设定时间段内不同类别的客户表情出现的概率；确定该设定时间段内不同类别的客户表情的权重；根据该设定时间段内不同类别的客户表情出现的概率，以及不同类别的客户表情的权重，确定该设定时间段内的客户表情识别数据；

根据多个设定时间段内的客户表情识别数据，获得客户情绪数据；

根据客户情绪数据，获得客户体验评价值。

5.如权利要求4所述的银行产品信息推送方法，其特征在于，根据多个设定时间段内的客户表情识别数据，获得客户情绪数据，包括：

根据多个设定时间段内的客户表情识别数据满足设定条件的情况，确定客户情绪数据调整数值；

对多个设定时间段内的客户表情识别数据，以及客户情绪数据调整数值求和，获得客户情绪数据。

6.如权利要求1所述的银行产品信息推送方法，其特征在于，表情识别模型采用如下方法训练获得：

获得历史表情图片；

提取历史表情图片的特征向量；

利用历史表情图片的特征向量训练表情识别模型；

在训练的过程中调整表情识别模型的参数，直至表情识别模型的损失函数满足预设收敛条件，获得训练后的表情识别模型。

7.如权利要求1所述的银行产品信息推送方法，其特征在于，所述机器学习模型采用如下方法训练获得：

获得银行系统中客户的属性信息、客户在银行的资产信息和客户所采用的银行产品的历史数据；

提取出银行系统中客户的属性信息、客户在银行的资产信息和客户所采用的银行产品的历史数据的特征向量；

利用所述特征向量训练机器学习模型；

在训练的过程中调整机器学习模型的参数，直至机器学习模型的损失函数满足预设收敛条件，获得训练后的机器学习模型。

8.一种银行产品信息推送装置，其特征在于，包括：

表情图片获得模块，用于获得银行客户的表情图片；

客户表情识别模块，用于将银行客户的表情图片输入至表情识别模型，识别出客户表情；

体验评价值获得模块，用于根据识别出的客户表情，获得客户体验评价值；

推送模块，用于根据客户体验评价值，确定向客户推送银行推荐产品信息的时刻，所述银行推荐产品信息是将客户的属性信息和在银行的资产信息输入至机器学习模型而获得的。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至7任一项所述方法的计算机程序。